ChatGPT 时代 RLHF 老兵做新模型 Jev:为机器决策而非人类对话而生
MaryamMiradi · x · 2026-09-21
AI 研究者 Maryam Miradi 长文解析 TypeSafe 发布的新模型 Jev。核心信息:
- 背后人物:Diogo Almeida 曾参与 ChatGPT 时代的 RLHF/InstructGPT 工作,现创立 TypeSafe。
- 核心差异:RLHF 围绕人类偏好优化,适合聊天、copilot、编码助手;Jev 的目标用户不是人,而是「软件要可靠消费的输出」——machine-in-the-loop 而非 human-in-the-loop。
- 训练方法:TypeSafe 提出 RLCD(Reinforcement Learning for Calibrated Decisions),目标不是人类偏好的回答,而是校准过的决策,面向自动化场景。
- 帖子以 6 步结构(RLHF 到 RLCD)拆解其设计逻辑。
所属事件:前OpenAI研究员发布决策模型Jev，宣称快200倍引热议(36 条相关)→
「模型」频道最新
- DeepSeek V4.1 Flash 单卡 3090 跑出 20 tok/s，官方推理栈开源加持 — casper_hansen_ · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12